python 正则表达式

python 正则表达式

找到以imooc开头的字符串

def find_start_imooc(fname):
    f=open(fname)
    for line in f:
        if line.startswith('imooc'):
            print line

找以imooc开头和结尾的字符串

def fine_in_imooc(fname):
    f=open(fname)
    f line in f:
        if line.startswith('imooc')\
            and line.endswith('imooc\n'):   #因为文件都是以\n结束的所以要加上\n  或者\r\n
            #或者使用切片操作：
            # and line[:-1].endswith('imooc'):
            print line

匹配下划线或者数字的变量名

a[0]=='_' or 'a'<=a[0]<='z' or 'A'<=a[0]<='Z'

re模块的使用

# coding=UTF-8
import re
str1 = 'imooc-learning'
pa = re.compile(r'imooc')
ma = pa.match(str1)
# 返回找到的字符串或者返回元组
print ma.group()  #ma.groups()  返回元组
# 返回字符的索引位置
print ma.span()
# 显示字符串
print ma.string
# 显示实例
print ma.re

# 以下划线开头
pal = re.compile(r'_')
mal = pal.match('_value')
mal.group()

pa = re.compile(r'imooc', re.I)  # re.I 忽略大小写
ma = pa.match('imooc python')
ma.group()

#便捷使用
ma=re.match(r'imooc',str1)
ma.group()


#返回元组的使用
ma=re.match(r'(imooc)',str1)
print ma.groups()  #返回元组

正则表达式语法

match是从字符串头开始搜索的

字符	匹配
.	匹配任意字符（除了
[…]	匹配字符集
\d / \D	匹配数字/非数字
\s / \S	匹配空白/非空白字符
\w / \W	匹配单词字符[a-z A-Z 0-9] \非单词字符

匹配大括号之间任意的值 {d}

re.match(r'{.}', {d}) #两个点代表两个字符

匹配字符集

re.match(r'[abc]','a')
re.match(r'[abc]','c')#匹配中括号中的字符集

re.match(r'[a-zA-Z])','F')
re.match(r'[\w])','F')

如何匹配[ ]，使用\转义

re.match(r'\[[a-z]\]','[a]')  #'[a]'

次数指定匹配

re.match(r'\[[\w]\])','[a]')

字符	匹配
*	匹配前一个字符0次或者无限次
+	匹配前一个字符必须出现1次或者无限次
？	匹配前一个字符0次或者1次
{m} /{m,n}	匹配前一个字符m次或者n次
*？ / +？ / ？？	匹配魔兽变维非贪婪（尽可能少匹配）

匹配以大写字母开始的字符

re.match(r'[A-Z][a-z]*','A')
re.match(r'[A-Z][a-z]*','As')
re.match(r'[A-Z][a-z]*','Asaadad')

匹配下划线变量（+使用）

re.match(r'[_a-zA-Z]+[_\w*]','_dadf')
#[_a-zA-Z]+ 必须出现一次或者无限次

匹配0-999

re.match(r'[1-9]?[0-9]','90')
re.match(r'[1-9]?[0-9]','9')
re.match(r'[1-9]?[0-9]','9') #group  ’0‘
re.match(r'[1-9]?[0-9]','09') #group 得到的结果是'0'  
#因为[1-9]?可以出现0-1次 [1-9]  所以不出现，下一个就是[0-9] 匹配0 即答案为0

匹配qq邮箱出现6次的字符

re.match(r'[a-ZA-Z0-9]{6}@163.com,'adc123@163.com')
re.match(r'[a-ZA-Z0-9]{6,10}@163.com,'adc1234@.com')#6到10次

re.match(r'[0-9][a-z]*','lbc')  # 'lbc'
re.match(r'[0-9][a-z]*?','lbc') # 'l'  尽可能少匹配  即0匹配
re.match(r'[0-9][a-z]+?','lbc') # 'lb'  匹配1次

边界匹配

字符	匹配
^	匹配字符串开头
$	匹配字符串结尾
\A / \Z	指定的字符串必须出现在现在的开头/结尾

163邮箱匹配

结尾匹配

re.match(r'[a-ZA-Z0-9]{6}@163.com,'adc123@163.comabc')  #  'adc123@163.com'
re.match(r'[a-ZA-Z0-9]{6}@163.com$,'adc123@163.comabc')  #  
re.match(r'[a-ZA-Z0-9]{6}@163.com$,'adc123@163.com')  #  'adc123@163.com'

开头匹配

re.match(r'\Aimooc[\w]*','imoocpython')  #  'imoocpython'

分组匹配

字符	匹配
|	匹配左右任意一个表达式
(ab)	括号中表达式作为一个分组
\	引用编号为num的分组匹配到的字符串
(?P)	分组起一个别名
(?P)	引用别名为name的分组匹配字符串

匹配0-100的字符串

re.match(r'[1-9]?\d$','09')  #匹配不出来   因为0匹配为\d 但并不是结尾
re.match(r'[1-9]?\d$','100')  #也匹配不出来   100为三个数字
re.match(r'[1-9]?\d$|100','100')  #即可了

分组 每次使用自动加一

re.match(r'[\w]{4,6}@(163|126).com','imooc@163.com')  #可以
re.match(r'[\w]{4,6}@(163|126).com','imooc@126.com')  #可以

匹配xml的可靠性python # 前面的标签book和后面的book要相同

re.match(r'<[\w]+>','<book>') #可以匹配
#对其进行分组
re.match(r'<([\w]+>)','<book>')  # '<book>' 

re.match(r'<([\w]+>)\1','<book>')  
.groups() #存如空间中
# ('book>')   \1代表book>
re.match(r'<([\w]+>)\1','<book>book>')  # '<book>book>' 

#完整的表达式
re.match(r'<([\w]+>)[\w]+</\1','<book>python</book>')  # '<book>python</book>' 

给分组起个别名

re.match(r'<(?P<mark>[\w]+>)[\w]+</(?P=mark)','<book>python</book>')  # '<book>python</book>' 

re模块其他方法

search（pattern，string，flags=0）

在字符串中查找，类似sting.find

str1='imooc videonum=1000'
str1.find('1000')  #返回17 索引  指定1000  当str1中的数字改变就找不到了
#用正则表达式找出数字
re.search(r'\d+',str1)  #.group()=‘1000’

findall（pattern，string，flags=0）

找到匹配，返回所有的值存入列表

str2='c++100,java=90,python=80'

re.search(r'\d+',str2)  #.group()=‘100’

info=re.findall(r'\d+',str2)  #info   ['100','90','80']

#使用列表解析，将列表所有的数字加在一起
sum([int(x) for x in info])  #270

sub(pattern,repl,string,count=0,flags=0)

将字符串中匹配正则表达式的部分替换为其他值,repl可以为字符串 也可以为一个函数返回的值

str3='imooc videonum=1000'

info=re.sub(r'\d+','1001',str3)  #info  imooc videonum=1001
#默认每次使用一次加一
#既需要定义一个函数代替repl

def  addone(match):   #为sub使用时候，在pattern中自动会产生一个match对象
    va1=match.group()
    num=int(va1)+1
    return str(num)

str3='imooc videonum=1000'
re.sub(r'\d+',addone,str3)  #imooc videonum=1001

split(pattern,string,maxsplit(分割次数)=0,flags=0)

str4='imooc:C C++ Java Python,C#'
re.split(r':| ',str4)  # 有冒号  有空格  返回 ['imooc','C','C++','java'，'Python','C#']

正则表达式练习

抓取网页，图片，并且保存：

#coding=UTF-8
import urllib2
import re
import os

req=urllib2.urlopen('http://www.imooc.com/')

buf=req.read()
#打印抓取的网站
print buf

#获取图片url
listpic=re.findall(r'http:.*\.jpg',buf)  #第一个点代表任意字符 第二点使用\.进行转义 为真正的点
listpic2=re.findall(r'/.*\.png',buf) 
print listpic
print listpic2

#保存文件
i=0
for url in listpic:
    pass
    f=open(r'C:\\Users\\djj\\Desktop\\test\\'+str(i)+r'.jpg','wb')  
    ''' 'wb'读取文件使用二进制读取方式，不然的话抓取的图片是花的'''
    req=urllib2.urlopen(url)
    buf=req.read()
    f.write(buf)
    i+=1

慕课网python正则表达式笔记